EIHW-GLAM 深度注意力多模型融合系统用于 DiCOVA 2021 挑战赛中基于咳嗽的 COVID-19 识别
声音
2021-08-09 v1
摘要
旨在从咳嗽声音中自动检测 COVID-19，我们提出了一种深度注意力多模型融合系统，并在 DiCOVA 2021 挑战赛的 Track-1 数据集上进行了评估。提取了三类表征，包括手工特征、基于音频图像的深度表征以及基于音频的深度表征。随后，在特征层和决策层对三类特征上的最佳模型进行融合。实验结果表明，所提出的基于注意力的特征层融合在测试集上取得了最佳性能（AUC：77.96%），较官方基线提升了 8.05%。
引用
@article{arxiv.2108.03041,
title = {The EIHW-GLAM Deep Attentive Multi-model Fusion System for Cough-based COVID-19 Recognition in the DiCOVA 2021 Challenge},
author = {Zhao Ren and Yi Chang and Björn W. Schuller},
journal= {arXiv preprint arXiv:2108.03041},
year = {2021}
}
备注
3 pages, Technical Report